系统数学第五章.pptVIP

* * 第五章 模糊分类与模式识别 本章概括了两种常用的分类方法。 第一种方法是运用等价关系进行分类。该方法利用了等价关系的某些性质和称为对关系的 分割的非模糊化的概念。 第二种分类方法是一种非常流行的称为模糊c-均值的方法。该方法试用了在 n 维 Euclidean空间确定数据点的集合接近度的概念，它将这些数据分配到不同的族（聚类），然后确定这些族之间的距离。 5.1 利用等价关系的分类 5.1.1 清晰关系 定义一个集合， 作为数据点空间 X 中 的一个等价类。这个类包含于一个特殊关系 R 中，R 是等价关系。 该类具有以下性质： 因此，等价关系 R 能将空间 X 划分成互不相容的等价类，即 式中， 被称为商集。其元素是在等价关系R 下的 X 的等价类 的基（即等价类的数目）叫做矩阵R的秩。 例：定义一个整数空间X={1,2,3,…,10}，并定义 R为“空间 X 中各元素被 3 除后的余数”的清晰关系，既有 显然该关系是一个等价关系。我们可将空间中的元素分成以下类型： [1]=[4]=[7]=[10]={1，4，7，10} 余数=1 [2]=[5]=[8]={2，5，8} 余数=2 [3]=[6]=[9]={3，6，9} 余数=0 5.1.1 模糊关系 经过4次复合可得到等价关系 进行 分割，并分别取 分类图 例：某三个家庭，共有人口16名，各家庭成员之间有（血缘）关系。16个人各有自己的照片，且混在一起。现在要求一个不认识这三个家庭成员的人根据上述像片确定这些成员之间的相似程度。 用 对该模糊等价关系进行分割 因此可识别出4个性质不同的类型： {1,6,8,13,16}, {2,5,7,11,14}, {3}, {4,9,10,12,15} 例：有5个地区受到近期一次地震而造成损害 利用余弦幅度法，得到如下关系： 经两次复合得到等价关系 5.2.2 c-均值分类法 Bezdek(1981年)提出了一种适应于模糊数据的极为有用的方法。 设有n个数据样本组成的样本集合： 其中： 基本思想： 5.2.2 硬c-均值（HCM）分类法 定义一个集合族 ，作为X的一种硬c-分区： 定义特征函数： 则分区要求可表示为： 为表示方便，记 定义矩阵 再进一步将X的一种硬c-分区空间定义为矩阵集合： 任意硬c-分区 的基为： 例： 设我们要将 X 的点用聚类方法分为 2 类，即c=2 则 下面列出了硬2-分区的一部分： 注意下面这两个矩阵：